首个基于深度学习的脑静脉系统相关脑出血诊断研究获突破
近日，浙江大学医学院附属第二医院童璐莎、高峰教授团队，联合浙江大学生物仪器与工程学院赵立教授团队，成功开发出一种用于区别急性自发性脑出血的可解释性的人工智能模型，该模型针对急性脑叶出血发病凶险，病因鉴别困难等问题，仅利用常规头颅CT（非增强），从急诊脑出血患者中精准识别出脑静脉系统血栓形成相关脑出血，其灵敏度达96%，相关成果发表于《柳叶刀》子刊《电子临床医学》。脑静脉系统血栓继发出血是由于脑部静脉堵塞-静脉压力增高-静脉破坏出血，这类一发病就能看到明显出血病灶的脑静脉系统血栓患者，一个月内死亡率高达50%，是一种特殊类型的自发性脑出血，具有发病罕见、病情重、死亡率高的特点，目前在我国尤其是基层医院，正确诊断率低。关键是，这种类型的出血的治疗方案与其他类型的脑出血截然相反，需要尽快抗凝或者手术消除静脉内血栓。若误诊或漏诊将会导致不合理的治疗，从而危及患者生命。脑静脉系统血栓的诊断方式常规包括CT颅内静脉造影、磁共振静脉成像等，在......阅读全文
深度学习模型筛查新药快千倍
据美国麻省理工学院（MIT）官网12日报道，该校科学家开发出一款名为EquiBind的几何深度学习模型，其将类药物分子与蛋白配对的效率比现有最快的计算分子配对模型QuickVina2-W快1200倍。相关研究已经提交预印本服务器，并将提交给国际机器学习大会。 在药物开发之前，研究人员必须找到有潜
深度学习增强里德堡多频微波识别
图为机器学习解码结果。(a-c)为训练时间不同时，深度学习模型对传输信号的恢复结果 中国科大供图 里德堡原子具有较大的电偶极矩，可以对微弱的电场产生很强的响应，因此作为一个非常有前景的微波测量体系，备受人们青睐。但基于里德堡原子的微波测量领域还存在
深度学习增强里德堡多频微波识别
图为机器学习解码结果。(a-c)为训练时间不同时，深度学习模型对传输信号的恢复结果 中国科大供图里德堡原子具有较大的电偶极矩，可以对微弱的电场产生很强的响应，因此作为一个非常有前景的微波测量体系，备受人们青睐。但基于里德堡原子的微波测量领域还存在很多科学问题亟待解决，多频率微波接收就是其中一项难题
深度学习可识别显微照片中的细菌
美国华盛顿大学研究人员开发出一种深度学习软件Omnipose，其能帮助解决在显微镜图像中识别各种微小细菌的挑战。研究结果发表在17日的《自然·方法学》杂志上。 研究人员发现，在大型细菌图像数据库上训练的Omnipose在表征和量化混合微生物培养物中的无数细菌方面表现良好，并消除了其前身可能出现的
深度学习增强型智能镜可指导健身
意大利布雷西亚大学的研究人员最近开发了一种用于智能镜子的计算机视觉系统，可以提高家庭和健身房环境中健身训练的效率。在国际体育生物力学学会会议上公布的一篇论文中介绍了这一系统，该系统基于一种深度学习算法，经过训练可以识别健身视频中记录的人体姿势。 这款低成本计算机视觉系统利用骨架化算法，在带
深度学习模型筛查新药快千倍
据美国麻省理工学院（MIT）官网12日报道，该校科学家开发出一款名为EquiBind的几何深度学习模型，其将类药物分子与蛋白配对的效率比现有最快的计算分子配对模型QuickVina2-W快1200倍。相关研究已经提交预印本服务器，并将提交给国际机器学习大会。 在药物开发之前，研究人员必须找到有
脑静脉窦血栓形成的概述
脑静脉窦血栓形成（cerebral venous sinus thrombosis，CVST）是一种特殊类型的脑血管疾病，发生率不足所有卒中的1%。通常以儿童和青壮年多见，而儿童患者中又以感染引起的侧窦和海绵窦多见。化脓性中耳炎和乳突炎患者易并发横窦（transverse portion of
美国IBM研究院实现深度学习性能突破
美国IBM研究院近日宣布，通过全新的分布式深度学习软件，实现了接近理想的扩展能力，该软件在64台IBM Power系统服务器中的256个GPU上并行运行深度学习框架，实现了95%的扩展效率，并使运算速度与准确率得到了显著提升。此前最佳的系统扩展能力是Facebook人工智能研究院所取得的89%
深度学习在基因表达谱分析上取得重要进展
近日，一项刊登在国际杂志Bioinformatics上的研究论文中，来自加州大学尔湾分校和博德研究所的研究人员通过深度学习算法进行大规模基因表达预测，并在预测精度上获得了显着提升。 全基因组表达谱分析被广泛应用于描述细胞在不同生理病理条件下的活动状态，例如不同的癌组织细胞在各种给药条件下会产生
科学家构建深度脉冲神经网络学习框架
脉冲神经网络（Spiking Neural Network，SNN）被誉为第三代神经网络，使用更低层次的生物神经系统的抽象。它既是神经科学中研究大脑原理的基本工具，又因稀疏计算、事件驱动、超低功耗的特性，备受计算科学的关注。随着深度学习方法的引入，SNN的性能得到大幅提升，脉冲深度学习（Spik
2016值得关注的技术：基因组分析深度学习
《Nature Methods》盘点2015年度技术，选出了最受关注的技术成果：单粒子低温电子显微镜（cryo-EM）技术。 除此之外，也整理出了2016年最值得关注的几项技术，分别为：细胞内蛋白标记（Protein labeling in cells）、细胞核结构（Unraveling nuc
科研人员发现深度学习揭示基因相互作用
近日，卡内基梅隆大学计算机科学家采用了一种深度学习方法，近年来彻底改变了人脸识别和其他基于图像的应用程序，并将其功能重定向到探索基因之间的关系。 他们说，诀窍在于将大量的基因表达数据转换成更像图像的东西。善于分析视觉图像的卷积神经网络（CNN）方案随后可以推断出哪些基因正在相互作用。 （图片
相比GPU和GPP：FPGA才是深度学习的未来？（二）
除了编译时间外，吸引偏好上层编程语言的研究人员和应用科学家来开发FPGA的问题尤为艰难。虽然能流利使用一种软件语言常常意味着可以轻松地学习另一种软件语言，但对于硬件语言翻译技能来说却非如此。针对FPGA最常用的语言是Verilog和VHDL，两者均为硬件描述语言（HDL）。这些语言和传统
相比GPU和GPP：FPGA才是深度学习的未来？（一）
相比GPU和GPP，FPGA在满足深度学习的硬件需求上提供了具有吸引力的替代方案。凭借流水线并行计算的能力和高效的能耗，FPGA将在一般的深度学习应用中展现GPU和GPP所没有的独特优势。同时，算法设计工具日渐成熟，如今将FPGA集成到常用的深度学习框架已成为可能。未来，FPGA将有效地
科学家深度解析脑功能联接图谱
中科院上海生科院神经科学研究所王征研究组通过利用宏观脑功能联接图谱中隐含的结构化信息，为研究脑影像学生物标记提供了一种新方法。相关研究成果日前在线发表于国际学术杂志《医学成像》。 近年来，机器学习在人工智能、互联网等领域取得了突破性进展，也越来越多地应用于解决生物医学问题。机器学习分类算法不仅
静脉麻醉药对学习记忆功能的影响
研究证实，小剂量***即可显著抑制神经元烟碱受体功能, ***同时又是 NMDA 受体的非特异性阻断剂 ,这两种受体对 LTP 的产生、维持和学习记忆功能至关重要，因此***对学习记忆功能的影响作用引起了人们的关注。有实验给成年雄性恒河猴肌注不同剂量的***(分别为0.3、1.0、1.78 mg/k
脑静脉窦血栓形成的性质分类
根据病变性质，CVST可分为炎症型和非炎症型两类。炎症型中海绵窦和横窦是最常受累的部位。而非炎症型中上矢状窦最容易受累。横窦乙状窦血栓形成多继发于化脓性乳突炎或中耳炎。
关于脑静脉窦血栓形成的简介
为了更好地理解CVST的临床症状和体征，首先应该区分两种不同的病理生理机制。即脑静脉血栓——由静脉梗阻所产生的局灶性症状；脑静脉窦血栓——由静脉窦血栓导致颅内高压。在大多数患者中，这两种病理生理过程常同时存在。脑静脉的闭塞产生局部脑水肿和静脉型梗死。病理检查可发现扩大、肿胀的静脉，水肿（包括细胞
关于脑静脉窦血栓形成的概述
脑静脉窦血栓形成（cerebral venous sinus thrombosis，CVST）是一种特殊类型的脑血管疾病，发生率不足所有卒中的1%。通常以儿童和青壮年多见，而儿童患者中又以感染引起的侧窦和海绵窦多见。化脓性中耳炎和乳突炎患者易并发横窦（transverse portion of
脑静脉窦血栓形成的病理机制
为了更好地理解CVST的临床症状和体征，首先应该区分两种不同的病理生理机制。即脑静脉血栓——由静脉梗阻所产生的局灶性症状；脑静脉窦血栓——由静脉窦血栓导致颅内高压。在大多数患者中，这两种病理生理过程常同时存在。脑静脉的闭塞产生局部脑水肿和静脉型梗死。病理检查可发现扩大、肿胀的静脉，水肿（包括细胞
水生所等研发出基于大数据挖掘和深度学习的有害藻类水华预警系统
近日，中国科学院水生生物研究所毕永红团队联合德国卡尔斯鲁厄工学院，研发出基于大数据挖掘和深度学习的有害藻类水华预警系统。相关研究成果作为封面文章，发表在《环境科学与技术》（Environmental Science & Technology）上。该研究致力于创建高时间分辨率的水柱垂向维度有害藻华（H
深度学习可超快分析三维医学影像
英国《自然·医学》杂志8月13日在线发表的两项独立研究显示，最新的人工智能（AI）已可以基于三维医学影像，对神经系统疾病和视网膜疾病给出快速、准确的自动诊断。这意味着深度学习算法已成功应用于三维医学影像的超快分析。 深度学习方法已经能识别二维医学影像，实现疾病诊断，但其对复杂详细的三维影像的识
深度学习技术及应用国家工程研究中心正式揭牌
《中国科学报》近日获悉，经国家发展和改革委员会批复，深度学习技术及应用国家工程研究中心（以下简称工程研究中心） 纳入新序列管理。4月26日，工程研究中心举行了揭牌仪式。 揭牌仪式 图片来源：工程研究中心 纳入新序列管理后，工程研究
Advanced－Science:－深度学习方法预测分子激发光谱
芬兰阿尔托大学Patrick Rinke教授及其合作者一起提出了用于预测分子激发光谱的深度学习方法。 以132k有机分子的电子态密度为例，训练和评估了三种不同的神经网络结构：多层感知器（MLP），卷积神经网络（CNN）和深张量神经网络（DTNN）。 神经网络的输入是每个分子中原子的坐标和电荷。
深度学习三巨头共同获得2018年度图灵奖
今日晚间，ACM（国际计算机学会）宣布，有“深度学习三巨头”之称的Yoshua Bengio、Yann LeCun、Geoffrey Hinton共同获得了2018年的图灵奖，这是图灵奖1966年建立以来少有的一年颁奖给三位获奖者。ACM同时宣布，将于2019年6月15日在旧金山举行年度颁奖晚宴
未来，深度学习帮助人类决策你应该吃什么药
韩国研究团队开发了一款名为DeepDDI的计算框架，它可以准确地预测86种类型的药物-药物（DDIs）和药物-食物（DFIs）相互作用，并输出人类可读句子，帮助人类理解不良药物事件（ADEs）。 药物之间和药物与食物之间经常会触发意外药理作用（就是我们所谓的“食物相克”），但是，其因果机制在很
科学家开发出深度学习超分辨显微成像方法
1月21日，中国科学院生物物理所、广州生物岛实验室研究员李栋课题组，与清华大学自动化系、脑与认知科学研究院教授戴琼海课题组，在Nature Methods上以长文（Article）形式发表了题为Evaluation and development of deep neural net
研究人员基于深度学习无创获得血液输入函数
全面量化大脑PET图像，常常需要精确的血流输入函数。然而传统方法中，获取这一函数通常依赖于侵入性且耗时的动脉导管采血，这在临床实践中往往难以实现。7月2日，中国科学院深圳先进技术研究院副研究员孙涛团队与河南省人民医院副院长王梅云团队合作，在医学影像顶级期刊《IEEE医学影像汇刊》发表最新研究。研究团
深度学习加快了3D微观神经成像的速度
德克萨斯州奥斯汀和圣地亚哥Salk研究所的研究人员使用深度学习技术，开发了一种新的显微方法，可以使用于大脑成像的显微技术快16倍。研究人员使用德克萨斯大学奥斯汀分校（UT Austin）德克萨斯高级计算中心（TACC）的数据训练了他们的深度学习系统。索尔克生物学研究所Waitt先进生物光子学核心
新疆理化所在深度学习预测抗癌多肽研究中取得进展
癌症是人类健康最致命的杀手，在全球范围内每年造成数百万人的死亡。传统的物理和化学方法，包括靶向治疗、化疗和放射治疗等医疗实践中常见的治疗手段，在一定程度上能杀死病变癌细胞，但是同时也会杀死大量正常的细胞，带来严重的副作用。这些治疗手段费用昂贵且预后效果不佳，迫切需要开发新的定向清除癌细胞，治疗癌